超分辨率重建技术在图像获取和目标识别过程中,作为一种超越当前硬件水平的软件技术,在实践应运中有着极大的市场需求。在过去的二十几年中,这项技术已经成为了图像处理领域一个极具吸引力的研究热点。它可以应运在不同领域的多种现实问题上,例如卫星和医学图像处理,面部和文本图像分析等。经过国内外科研工作者的不懈努力,到目前为止已经有基于不同角度、不同方法的数百种超分辨算法问世。本文将主要致力于对空域的多帧图像超分辨率重建算法进行研究。论文在对超分辨技术的基本背景知识和几种经典方法进行简要介绍和学习的基础上,主要研究了基于NLM的多帧图像超分辨算法,并通过仿真实验分析其存在的问题,进而做出如下改进:(1)基于贝叶斯的非局部超分辨算法。分析对原始NLM-SR算法仿真实验的结果可知,其收敛速度慢的主要原因是在图像块的相似性权值计算过程中出现了误差,导致需要多次迭代才能很好的实现超分。针对这一问题,本文通过对误差曲线的拟合,使用贝叶斯理论重新构建了一个权值计算公式,进而提升了算法的超分性能。而且通过对比实验发现,此次改进还在一定程度上提升了算法的收敛速度。(2)基于模糊运动估计的非局部超分辨算法。原始的NLM-SR算法作为一种无参数估计的算法,虽然很大程度上减低了模型估计过程中出现误差的风险,但是也使得算法的复杂度显著提高。为了解决这一问题,我们引入一个模糊运动估计的概念,使得非局部超分辨算法在块匹配的过程中能够缩小搜索范围。从对比实验的结果可以看出,本次改进不仅没有影响原始NLM-SR的超分性能,而且在一定程度上提升了算法的效率。(3)基于模糊运动估计的贝叶斯非局部超分辨算法。通过总结论文中对于原始NLM-SR算法的改进方法,本文提出了一种新的基于模糊运动估计的贝叶斯非局部超分辨算法——ME&BNL-SR。相比于原始的NLM-SR算法,本算法无论从视觉效果还是算法性能上都得到了很大的提升。此外,为了进一步检验算法的超分性能,本文还专门针对人脸和车牌图像序列的超分辨率重建问题进行了实验。最后本文还对一直以来在超分辨研究过程中遇到的问题进行了总结,并对未来超分辨率重建算法的研究方向进行了展望。